Gráfico de portada



library(tidyverse)
library(readr)
library(readxl)
library(janitor)
library(stringr)
library(scales)
library(lmtest)
library(sandwich)
library(broom)
library(tibble)
library(jsonlite)
library(forcats)
library(ggplot2)
library(ggrepel)
library(gganimate)
library(EEAaq)
library(gifski)

1 Introducción

La fertilidad humana es sensible a condiciones ambientales que afectan tanto a la salud reproductiva como a las decisiones familiares.

En particular, la calidad del aire se ha relacionado con alteraciones hormonales, inflamación sistémica y estrés oxidativo que pueden reducir la fecundidad, aumentar el riesgo de pérdida gestacional y acortar la ventana fértil. Más allá de los mecanismos biológicos, el entorno en que las familias planifican también responde a expectativas de salud pública, seguridad ambiental y confianza institucional.

En este contexto, la vigilancia de la calidad del aire (monitorización sistemática, cobertura de estaciones, reporte y disponibilidad de datos) puede operar como un bien público que mejora la salud y reduce la incertidumbre sobre riesgos ambientales. Una red de vigilancia más densa y activa suele acompañar estrategias de control, cumplimiento normativo y comunicación del riesgo, y puede facilitar políticas de reducción de emisiones.

El resultado esperado (si estos canales funcionan) es un entorno más saludable y predecible para la crianza, lo que, en teoría, podría favorecer niveles más altos de fertilidad.

Sin embargo, a nivel agregado (país), se conoce menos acerca de:

  • Hasta qué punto la intensidad de la vigilancia del aire se asocia con niveles de fertilidad.
  • Si la contaminación atmosférica (por ejemplo, con NO₂ o CO₂) se relaciona con la fertilidad media de los países europeos.

El presente seminario aborda estas cuestiones desde una perspectiva descriptiva, utilizando datos agregados por país para Europa.

2 Objetivo general

Analizar la vigilancia y medición de la calidad del aire en relación con la fertilidad media (TFR) en los países europeos.

3 Objetivos específicos

Vigilancia vs fertilidad
¿Existe asociación entre la intensidad de la vigilancia de la calidad del aire y la fertilidad media (TFR) de los países europeos?

NO₂ vs fertilidad
¿Están los niveles medios de NO₂ en los países europeos relacionados con sus niveles medios de fertilidad (TFR)? Si es así, ¿de dónde proviene dicho NO₂?

CO₂ vs fertilidad
¿Existe una relación directamente proporcional entre los niveles de dióxido de carbono (CO₂) y la fertilidad?

PM₂.₅ en la vigilancia vs fertilidad
¿Se asocia la proporción de observaciones dedicadas a PM₂.₅ en los sistemas de vigilancia de la calidad del aire de los países europeos con su fertilidad media (TFR)?

4 Metodología y resultados:

4.1 Describir la vigilancia de la calidad del aire en Europa y ver su asociación con la fertilidad

Pregunta: ¿Existe una asociación entre la intensidad de vigilancia de la calidad del aire y la fertilidad en Europa?

Hipótesis inicial: Se espera que una mayor vigilancia del aire implique una mayor fertilidad. Por ello, esperamos que los países con más observaciones de calidad del aire tengan una TFR ligeramente superior, aunque esta relación no implica causalidad directa; es un test descriptivo de la asociación.

Si la hipótesis es consistente con los datos, esperamos observar una relación positiva entre el nivel de vigilancia (más observaciones) y la TFR.

Nota: La vigilancia se mide como el número de observaciones registradas por país y año en el sistema de AQ e-Reporting (EEA). La fertilidad se mide mediante la TFR media anual por país (Eurostat).

4.1.1 Lectura y limpieza de Datos Base

Trabajamos con dos fuentes principales de datos:

  1. Calidad del aire: obtenida mediante EEAaq::aq_annual_data() o CSV original (DataExtract.csv)

  2. Fertilidad: obtenida de Eurostat (Fertilidad.csv) Se leen los archivos, se realiza una limpieza inicial de columnas y se transforma el formato de los datos de Eurostat (códigos geo) al formato de nombres de país homogéneos (pais) para permitir la unión con los datos de vigilancia.

# 1. Lectura de datos y limpieza básica

aire <- read_delim(
  "INPUT/DATA/DataExtract.csv",
  delim = ",", escape_double = FALSE, trim_ws = TRUE
)

fertilidad <- read_delim(
  "INPUT/DATA/Fertilidad.csv",
  delim = ",", escape_double = FALSE, trim_ws = TRUE
)

aire       <- aire %>% clean_names()
fertilidad <- fertilidad %>% clean_names()

# 2. Tabla de mapeo de códigos de país (Eurostat -> nombre)

mapa_paises_df <- tibble::tribble(
  ~geo,        ~pais,
  "AD", "Andorra",
  "AL", "Albania",
  "AM", "Armenia",
  "AT", "Austria",
  "AZ", "Azerbaijan",
  "BA", "Bosnia and Herzegovina",
  "BE", "Belgium",
  "BG", "Bulgaria",
  "BY", "Belarus",
  "CH", "Switzerland",
  "CY", "Cyprus",
  "CZ", "Czechia",
  "DE", "Germany",
  "DK", "Denmark",
  "EE", "Estonia",
  "EL", "Greece",
  "ES", "Spain",
  "FI", "Finland",
  "FR", "France",
  "GE", "Georgia",
  "GI", "Gibraltar",
  "HR", "Croatia",
  "HU", "Hungary",
  "IE", "Ireland",
  "IS", "Iceland",
  "IT", "Italy",
  "LI", "Liechtenstein",
  "LT", "Lithuania",
  "LU", "Luxembourg",
  "LV", "Latvia",
  "MC", "Monaco",
  "MD", "Moldova",
  "ME", "Montenegro",
  "MK", "North Macedonia",
  "MT", "Malta",
  "NL", "Netherlands",
  "NO", "Norway",
  "PL", "Poland",
  "PT", "Portugal",
  "RO", "Romania",
  "RS", "Serbia",
  "RU", "Russia",
  "SE", "Sweden",
  "SI", "Slovenia",
  "SK", "Slovakia",
  "SM", "San Marino",
  "TR", "Türkiye",
  "UA", "Ukraine",
  "UK", "United Kingdom",
  "VA", "Vatican City",
  "XK", "Kosovo"
  # Agregados tipo "EU27_2020", etc. no se incluyen
)

4.1.2 Homogeneización de países y resumen de datos de fertilidad y aire

Se preparan los datos para los análisis posteriores unificando los nombres de los países entre distintas fuentes, de manera que los datasets de fertilidad y calidad del aire sean comparables. Se realizan varias tareas:

  1. Homogeneización de nombres de países: Se recodifican alias o variantes de nombres para asegurar consistencia entre datasets.

  2. Resumen de fertilidad: Se calcula la TFR media y el número de años con datos disponibles para cada país.

  3. Conteo de observaciones de aire: Se contabilizan las observaciones de PM2.5 por país y año, aplicando la homogeneización de nombres.

  4. Unión de datos: Se combinan los resúmenes de fertilidad y de observaciones de aire por país, obteniendo un dataset base que servirá para posteriores normalizaciones y análisis.

Este paso es clave para que los análisis estadísticos posteriores puedan comparar correctamente la vigilancia de la calidad del aire con la fertilidad a nivel país, evitando inconsistencias debidas a diferencias de nombres o códigos de país.

# Homogeneizar alias de países
recode_pais <- function(x) {
  x <- str_trim(x)
  dplyr::recode(
    x,
    "Turkey"              = "Türkiye",
    "Czech Republic"      = "Czechia",
    "Russian Federation"  = "Russia",
    "Republic of Moldova" = "Moldova",
    "UK"                  = "United Kingdom",
    "Great Britain"       = "United Kingdom",
    .default = x
  )
}

# Calcular la TFR media y número de años observados por país
resumir_fertilidad <- function(df) {
  df %>%
    group_by(pais) %>%
    summarise(
      n_anios    = n(),
      tfr_media  = mean(tfr, na.rm = TRUE),
      .groups    = "drop"
    ) %>%
    arrange(pais)
}

# Conteo de observaciones de aire por país-año y homogeneización de nombres
limpiar_y_contar_aire <- function(aire_raw) {
  aire_raw %>%
    mutate(
      pais = str_trim(country),
      anio = as.integer(year),
      # Aplicar homogeneización
      pais = recode_pais(country)) %>% 
    count(pais, anio, name = "n_obs_aire") %>%
    arrange(pais, anio)
}

# Filtrar y transformar los datos de Eurostat de código a nombre de país
fert_codigos <- fertilidad %>%
  filter(freq == "A") %>%
  transmute(geo = geo, anio = as.integer(time_period), tfr = as.numeric(obs_value))

fert_paises <- fert_codigos %>%
  left_join(mapa_paises_df, by = "geo") %>%
  filter(!is.na(pais)) %>%
  select(pais, anio, tfr)

# Resumen: TFR Media por país
fert_resumen_nombres <- resumir_fertilidad(fert_paises)

# Conteo de observaciones por país-año (Frecuencia de Vigilancia)
aire_conteo <- limpiar_y_contar_aire(aire)

# Resumen: Total de Observaciones por país (para normalización)
aire_resumen_pais <- aire_conteo %>%
  group_by(pais) %>%
  summarise(
    total_obs_aire      = sum(n_obs_aire, na.rm = TRUE),
    .groups             = "drop"
  )

# Resumen base combinado (para posterior normalización)
resumen_aire_fert_pais <- aire_resumen_pais %>%
  full_join(fert_resumen_nombres, by = "pais") %>%
  arrange(pais)

4.1.3 Normalización y Construcción de la Variable de Vigilancia

Para obtener una medida de vigilancia comparable entre países, es crucial normalizar por el tamaño poblacional. El proceso se realiza en dos fases:

  1. Integración de la Infraestructura de Vigilancia: Se accede a los metadatos de las estaciones de la Agencia Europea de Medio Ambiente (EEA) a través del paquete EEAaq, obteniendo el número de estaciones activas por país (n_estaciones_activas), que es una medida de la infraestructura de monitorización.

  2. Cálculo de Métricas Normalizadas: Se unen los datos de población (Población_Eurostat_GIND) a las métricas de vigilancia. Finalmente, se crean las dos variables principales:

  • Estaciones por millón de habitantes (estaciones_por_millon).

  • Observaciones por millón de habitantes (Log-transformadas) (obs_por_millon_log), siendo esta última la variable predictora clave (X) en el modelo de regresión.

El dataframe resultante, df_vigilancia_tfr, contendrá las métricas robustas de TFR y Vigilancia, listas para el análisis estadístico y la visualización.

# Obtener metadatos de estaciones de la EEA (dataframe interno de EEAaq)
vigilancia_infraestructura <- EEAaq_get_dataframe("stations") %>%
  clean_names() %>%
  mutate(
    pais = recode_pais(country)
  ) %>%
  # Contar estaciones únicas (infraestructura) por país
  group_by(pais) %>%
  summarise(
    n_estaciones_activas = n_distinct(air_quality_station_eo_i_code),
    .groups = "drop"
  )

# Carga de Datos de Población Reales (Usando el CSV de Eurostat DEMO_GIND) 

poblacion_raw <- read_delim(
  "INPUT/DATA/Poblacion_Eurostat_GIND.csv",
  delim = ",", escape_double = FALSE, trim_ws = TRUE
) %>%
  clean_names()

# Transformación de los datos de población:
poblacion_data <- poblacion_raw %>%
  
  # Filtramos por el año central de nuestro análisis
  filter(time_period == 2020) %>% 
  
  # Seleccionamos y transformamos las columnas clave
  transmute(
    country_name_raw = geo,
    poblacion_millones = as.numeric(obs_value) / 1000000 
  ) %>%
  
  # Homogeneizamos el nombre del país para el join
  mutate(pais = recode_pais(country_name_raw)) %>% 
  
  select(pais, poblacion_millones) %>%
  filter(!is.na(poblacion_millones))

# Unión y Cálculo de Métricas Normalizadas 

df_vigilancia_tfr <- resumen_aire_fert_pais %>%
  left_join(vigilancia_infraestructura, by = "pais") %>%
  left_join(poblacion_data, by = "pais") %>%
  
  # Eliminar filas donde el denominador o numerador sea NA/cero
  filter(
      poblacion_millones > 0,
      !is.na(total_obs_aire)
  ) %>%
  
  mutate(
    estaciones_por_millon = n_estaciones_activas / poblacion_millones,
    
    # Cálculo de la variable clave: la función log1p maneja el log(1+0) = 0 sin error.
    obs_por_millon_log = log1p(total_obs_aire / poblacion_millones)
  ) %>%
  
  # Para solo conservar filas con valores finitos
  filter(is.finite(tfr_media), is.finite(obs_por_millon_log))
# Creación del objeto stations_meta (metadatos de EEAaq)

stations_eea <- EEAaq_get_dataframe("stations") %>%
  clean_names() %>%
  mutate(
    pais_raw = str_trim(country),
    pais = recode_pais(country)
  )

stations_meta <- stations_eea %>%
  rename(air_quality_station_eoi_code = air_quality_station_eo_i_code) %>%
  select(
    air_quality_station_eoi_code,
    pais,
    air_quality_station_area,
    air_quality_station_type
  )

4.1.4 Análisis Descriptivo I (Gráfico de barras)

Se genera un gráfico de barras que visualiza la métrica de Infraestructura de Vigilancia normalizada (estaciones_por_millon). Para facilitar la visualización de la hipótesis, los países se ordenan por su TFR media, y el color de las barras se mapea a la TFR. Esto permite evaluar si una mayor TFR se asocia con una mayor altura de barra.

df_ordenado <- df_vigilancia_tfr %>%
  # Se crea un factor para ordenar el eje X por TFR_media ascendente
  mutate(pais_ordenado = forcats::fct_reorder(pais, tfr_media))
  
ggplot(df_ordenado, 
       aes(x = pais_ordenado, y = estaciones_por_millon)) +
  
  # Barras (geom_col), coloreadas por la TFR media
  geom_col(aes(fill = tfr_media), stat = "identity") +
  
  # Escala de color para representar la fertilidad
  scale_fill_gradient(
    low = "peachpuff", 
    high = "red", 
    space = "Lab", 
    name = "TFR media"
  ) +
  
  labs(
    title = "Asociación entre Infraestructura de Vigilancia (EEAaq) y Fertilidad",
    subtitle = "Países ordenados por TFR media. Altura = Estaciones de monitorización por millón de habitantes.",
    x = NULL, 
    y = "Nº de Estaciones Activas (por millón de hab.)"
  ) +
  
  scale_y_continuous(expand = expansion(mult = c(0, .1)), 
                     labels = scales::comma) +
  theme_classic() +
  theme(
    axis.text.x = element_text(angle = 60, vjust = 1, hjust = 1, size = 8),
    plot.title = element_text(face = "bold", hjust = 0.5),
    plot.subtitle = element_text(hjust = 0.5)
  )

Resultados del gráfico de barras

El gráfico está ordenado de izquierda a derecha por la fertilidad (TFR) de los países. Los países con la TFR más baja están a la izquierda y los que tienen la TFR más alta están a la derecha.

Si existiera una asociación positiva (mayor vigilancia = mayor fertilidad), esperaríamos ver un patrón en el que las barras (altura) se hicieran progresivamente más altas a medida que se avanza de izquierda a derecha.

En la gráfica observamos que no hay un patrón claro en la altura de las barras a lo largo del eje x, lo que significa que no existe una relación entre la fertilidad con la mayor vigilancia.

Ejemplo: Países como Lituania y Serbia muestran barras extremadamente altas (muy alta vigilancia por habitante), pero su TFR (color) no es la más alta de Europa.

Refutación de la Hipótesis Inicial: El gráfico sugiere que la hipótesis de que “una mayor inversión en vigilancia se asocia con niveles de fertilidad ligeramente superiores” es probablemente falsa.

4.1.5 Análisis Descriptivo II: Gráfico de Frecuencia (Dispersión)

El diagrama de dispersión analiza la relación entre la Frecuencia de Reporte normalizada (obs_por_millon_log) y la TFR. Se incluye una recta de regresión lineal (OLS) para evaluar visualmente la tendencia y bandas de confianza para la incertidumbre.

df_etiquetas <- df_vigilancia_tfr %>%
  # Etiquetar países con valores extremos para control visual de outliers
  mutate(
    Etiqueta_pais = ifelse(
      tfr_media < 1.35 | tfr_media > 1.8 | obs_por_millon_log > 10,
      pais,
      ""
    )
  )

ggplot(df_etiquetas, aes(x = tfr_media, y = obs_por_millon_log)) +
  # Puntos con transparencia y tamaño fijo
  geom_point(aes(color = tfr_media), size = 3, alpha = 0.7) +
  # Línea de regresión lineal (OLS) para visualizar la asociación
  geom_smooth(method = "lm", se = TRUE, color = "#4682B4", linetype = "dashed") +
  
  # Etiquetado para identificar países clave
  geom_text_repel(
    aes(label = Etiqueta_pais), 
    box.padding = 0.5, 
    point.padding = 0.5,
    max.overlaps = Inf,
    segment.color = 'grey50',
    size = 3
  ) +
  
  scale_color_gradient(low = "#FFD700", high = "#B8860B", name = "TFR") +
  labs(
    title = "Frecuencia de Vigilancia (Normalizada) vs. Fertilidad Media",
    subtitle = "Log(Obs. de Aire/Millón de Hab.) en función de la TFR media",
    x = "Tasa de Fecundidad Total (TFR) Media",
    y = "Frecuencia de Vigilancia (Log de Obs. por Millón de Habitantes)"
  ) +
  theme_minimal(base_size = 14) +
  theme(plot.title = element_text(face = "bold"))

Resultados del gráfico de dispersión:

El gráfico de dispersión muestra cómo se relacionan dos variables al colocar cada país como un punto en un plano.

Este gráfico evalúa la relación entre la Frecuencia de Reporte de Calidad del Aire (cuántas mediciones se envían, ajustado por población en el Eje Y) y la Tasa de Fecundidad Total (TFR) (en el Eje X).

  1. Eje X: Cuanto más a la derecha está un país, mayor es su fertilidad media (TFR).

  2. Eje Y: Cuanto más arriba está un país, mayor es su frecuencia de reporte de datos de aire por habitante (más datos envían).

Los puntos están distribuidos de forma caótica en todo el gráfico. No forman una línea o una curva clara que indique una relación.

La Línea de Tendencia (Regresión) que atraviesa la gráfica representa la tendencia media de la relación. Esta línea es casi perfectamente horizontal, lo que significa que el valor de la TFR (movernos a la derecha) no hace que la frecuencia de vigilancia suba ni baje (el punto Y se queda en el mismo nivel).Por lo tanto no existe una relación entre ambos.

Ejemplo: Hay países extremos, especialmente en la vigilancia, como España, Serbia, Eslovaquia y Alemania, que tienen niveles de vigilancia muy altos (puntos muy altos en el eje Y), pero sus TFRs son promedio o bajas.

Refutación de la Hipótesis Inicial: El gráfico sugiere que la hipótesis de que “una mayor vigilancia se asocia con niveles de fertilidad superiores” es probablemente falsa.

4.1.6 Test Estadístico: Regresión Lineal Robusta

Este apartado tiene como objetivo someter a prueba nuestra hipótesis central de que la frecuencia de la vigilancia ambiental se asocia con la fertilidad. Para ello, se emplea el Modelo de Mínimos Cuadrados Ordinarios (OLS).

Se utiliza el método de Errores Estándar Robustos (Huber-White, tipo HC1), que ajusta la varianza de los errores para obtener coeficientes y valores p más fiables, incluso bajo la presencia de heterocedasticidad.

La regresión se establece con la TFR media como variable dependiente (\(Y\)) y la variable Log(Obs. de Aire por Millón de Habitantes) (\(\log(1+X_{Normalizada})\)) como variable independiente o predictora.

# Filtro final del dataframe (Asegura que X e Y sean finitos)
datos_regresion <- df_vigilancia_tfr %>% 
    filter(is.finite(tfr_media), is.finite(obs_por_millon_log))

# Modelo OLS
modelo_final <- lm(tfr_media ~ obs_por_millon_log, data = datos_regresion)

resultados_robustez <- coeftest(
    modelo_final, 
    vcov = vcovHC(modelo_final, type = "HC1")
)

# Tabulación de resultados 
tabla_regresion_formato_simple <- tidy(resultados_robustez) %>%
  rename(
    T_Estadístico_Robusto = statistic,
    Valor_P_Robusto = p.value
  ) %>%
  mutate(
    # Redondeamos las estimaciones y errores a 4 decimales
    Estimación = round(estimate, 4),
    Error_Estandar_Robusto = round(std.error, 4),
    # Redondeamos el T-Estadístico a 3 decimales
    T_Estadístico_Robusto = round(T_Estadístico_Robusto, 3), 
    # Mantenemos el P-value con más precisión para su interpretación
    Valor_P_Robusto = round(Valor_P_Robusto, 6), 
    Significancia = case_when(
      Valor_P_Robusto < 0.001 ~ "Altamente significativo",
      Valor_P_Robusto < 0.01 ~ "Muy significativo",
      Valor_P_Robusto < 0.05 ~ "Significativo",
      TRUE ~ "No significativo"
    )
  ) %>%
  select(term, Estimación, Error_Estandar_Robusto, T_Estadístico_Robusto, Valor_P_Robusto, Significancia)

# Generación de la tabla
knitr::kable(
  tabla_regresion_formato_simple, 
  caption = "Resultados de Regresión: TFR Media ~ Log(Obs. de Aire por Millón de Hab.) con Errores Estándar Robustos (HC1)",
  # Alineación de las columnas (L=Left, R=Right)
  align = c('l', 'r', 'r', 'r', 'r', 'c') 
)
Resultados de Regresión: TFR Media ~ Log(Obs. de Aire por Millón de Hab.) con Errores Estándar Robustos (HC1)
term Estimación Error_Estandar_Robusto T_Estadístico_Robusto Valor_P_Robusto Significancia
(Intercept) 1.5593 0.0312 49.949 0.00000 Altamente significativo
obs_por_millon_log -0.0009 0.0029 -0.320 0.74951 No significativo

4.1.7 Conclusión del Objetivo 1: Vigilancia vs Fertilidad

Los resultados de la regresión lineal robusta confirman lo visualizado en el análisis descriptivo. El coeficiente de la variable Frecuencia de Vigilancia normalizada (obs_por_millon_log) es \(-0.0009\), lo que indica una relación prácticamente nula entre ambas variables. Más importante aún, el Valor P Robusto (\(0.7495\)) es significativamente superior al umbral de significancia de \(0.05\). Por lo tanto, no existe evidencia estadística significativa para concluir que la intensidad de la vigilancia ambiental de la calidad del aire (ajustada por población) tenga algún efecto o asociación lineal con la Tasa de Fecundidad Total (TFR) entre los países de la muestra. La hipótesis inicial queda refutada en este primer objetivo.

4.2 Caracterizar la fertilidad media de los países europeos y comparación con los niveles de dióxido de nitrógeno

En esta segunda parte ampliamos el análisis pasando de la “vigilancia del aire” a la calidad del aire en sí, centrándonos en un contaminante clave: el dióxido de nitrógeno (NO₂). Este compuesto es un marcador típico de tráfico rodado y combustión urbana, y se ha vinculado con diversos efectos adversos para la salud, el objetivo aquí es evaluar la asociación agregada entre los niveles medios de \(\text{NO}_2\) en países europeos y su Tasa de Fertilidad Total (TFR).

Pregunta: ¿Existe una asociación entre los niveles medios de \(\text{NO}_2\) en cada país europeo y su fertilidad media?

Hipótesis: Se espera una relación negativa, donde una mayor contaminación media por \(\text{NO}_2\) se asocie con TFR más bajas, reflejando el entorno urbano e industrializado que suele caracterizar a los países con baja natalidad.

Como en el caso anterior, esta hipótesis es descriptiva, no causal; buscamos el signo de la asociación en los datos agregados.

4.2.1 Datos y construcción de variables

Para esta sección combinamos dos fuentes principales:

  1. OMS — AAP 2022 (OMS_Datos.xlsx): Valores de \(\text{NO}_2\) por ciudad.

  2. Eurostat — Fertilidad (fert_resumen_nombres): TFR media por país.

# Leer directamente desde la hoja principal
oms <- read_excel("INPUT/DATA/OMS_Datos.xlsx", sheet = "AAP_2022_city_v9")

# Solo países de la región europea de la OMS
oms_europa <- oms %>%
  filter(`WHO Region` == "European Region")

# Variable 'pais' con nombres armonizados
oms_europa_limpio <- oms_europa %>%
  mutate(pais = recode_pais(`WHO Country Name`))

Tras armonizar y unir ambas tablas mediante left_join(), obtenemos un panel ciudad–país con valores de NO₂ y la fertilidad media asociada a cada país.
A partir de éste, construimos un resumen por país con las siguientes variables:

  • no2_media: media del NO₂ por país.
  • no2_mediana: mediana del NO₂.
  • n_ciudades: número de ciudades o localidades monitorizadas.
  • tfr_media: fertilidad media (Eurostat).

Este resumen nos permite trabajar con una unidad clara (el país) y explorar la relación entre contaminación y fertilidad.

# JOIN: tabla OMS ciudad-país + resumen de fertilidad por país
oms_europa_con_fert <- oms_europa_limpio %>%
  left_join(fert_resumen_nombres, by = "pais")

# Comprobar qué países de OMS no tienen fertilidad disponible
#faltan_fert_oms <- oms_europa_limpio %>%
#  distinct(pais) %>%
 # anti_join(fert_resumen_nombres %>% distinct(pais), by = "pais")

# Resumen por país
pais_no2_fert <- oms_europa_con_fert %>%
  group_by(pais) %>%
  summarise(
    no2_media   = mean(`NO2 (μg/m3)`, na.rm = TRUE),
    no2_mediana = median(`NO2 (μg/m3)`, na.rm = TRUE),
    n_ciudades  = n_distinct(`City or Locality`),
    tfr_media   = first(tfr_media),   # viene del resumen de fertilidad (ya homog.)
    .groups = "drop"
  ) %>%
  filter(!is.na(no2_media), !is.na(tfr_media))

Del mismo modo, se recopilarán datos referentes a la clasificación por tipo de área de las estaciones de vigilancia de la calidad del aire, de modo que no solo tengamos información ordenada sobre los niveles de NO₂ en comparación con los de TFR, sino también de la procedencia de dicho gas.

4.2.2 Análisis Descriptivo I: Gráfico de Burbujas

Para evaluar la asociación agregada entre la contaminación por \(\text{NO}_2\) y la fertilidad media por país, utilizamos un gráfico de burbujas que nos permite visualizar la tendencia de manera tridimensional.

  • Eje X: Concentración media de \(\text{NO}_2\) por país (no2_media).
  • Eje Y: Tasa de Fecundidad Total (TFR) media por país (tfr_media).
  • Tamaño del punto: Número de ciudades monitorizadas (n_ciudades).

La recta de regresión lineal (OLS, línea discontinua) se incluye para estimar visualmente la dirección y la fuerza de la asociación.

Este enfoque gráfico es fundamental para determinar si la hipótesis de una relación negativa entre \(\text{NO}_2\) y la TFR se manifiesta en los datos agregados europeos.

library(ggplot2)
library(ggrepel)

ggplot(
  pais_no2_fert,
  aes(
    x    = no2_media,
    y    = tfr_media,
    size = n_ciudades
  )
) +
  geom_point(alpha = 0.7) +
  geom_smooth(method = "lm", se = TRUE, linetype = "dashed") +
  geom_text_repel(
    aes(label = pais),
    size        = 3,
    max.overlaps = 30
  ) +
  scale_size_continuous(name = "Nº de ciudades\nmonitorizadas") +
  labs(
    title    = "NO"[2]~" medio vs fertilidad media por país europeo",
    subtitle = "Tamaño del punto = nº de ciudades con datos de NO"[2]~"",
    x        = "NO"[2]~" medio (µg/m³, OMS)",
    y        = "TFR media (Eurostat)"
  ) +
  theme_minimal()

Resultados del gráfico de dispersión

En el grafico se observa:

  • Tendencia General (Línea Discontinua): La línea de regresión (la línea azul discontinua) es casi horizontal y muy plana. Esto significa que a medida que te mueves de izquierda a derecha (es decir, de países menos contaminados a países más contaminados por \(\text{NO}_2\)), la TFR media (el Eje Y) apenas cambia.

  • Banda de Confianza (Sombra Gris): La banda de sombra gris alrededor de la línea es muy ancha. Esto indica que la tendencia observada es poco fiable.

  • Dispersión: Los puntos de los países están muy dispersos y no siguen un patrón claro a lo largo de la línea.

Se esperaba una relación negativa; es decir, que los países con mayores niveles de contaminación urbana por \(\text{NO}_2\) tendrían una Tasa de Fecundidad Total (TFR) más baja.

El nivel medio de contaminación urbana por \(\text{NO}_2\) en un país no tiene una asociación observable o significativa con su TFR media.

4.2.3 Análisis Descriptivo y Prueba Formal de la Asociación \(\text{NO}_2\)

Para cerrar la sección de \(\text{NO}_2\) y dar una respuesta concluyente a la pregunta de investigación, se complementa el análisis visual con estadísticas descriptivas y una prueba de significancia de la correlación de Pearson.

Se presentan las estadísticas básicas de las variables clave del análisis (la concentración media de \(\text{NO}_2\) por país y la TFR media) para entender su distribución y rango.

# Calcular estadísticas descriptivas para NO2 y TFR (usando los datos de la OMS)
no2_descriptivas <- pais_no2_fert %>%
  summarise(
    n_paises = n(),
    
    # Estadísticas de NO2 (Contaminación)
    no2_media_total = mean(no2_media, na.rm = TRUE),
    no2_sd = sd(no2_media, na.rm = TRUE),
    no2_min = min(no2_media, na.rm = TRUE),
    no2_max = max(no2_media, na.rm = TRUE),
    
    # Estadísticas de TFR (Fertilidad)
    tfr_media_total = mean(tfr_media, na.rm = TRUE),
    tfr_sd = sd(tfr_media, na.rm = TRUE),
    tfr_min = min(tfr_media, na.rm = TRUE),
    tfr_max = max(tfr_media, na.rm = TRUE)
  )

print(no2_descriptivas)
## # A tibble: 1 × 9
##   n_paises no2_media_total no2_sd no2_min no2_max tfr_media_total tfr_sd tfr_min
##      <int>           <dbl>  <dbl>   <dbl>   <dbl>           <dbl>  <dbl>   <dbl>
## 1       36            18.7   4.60    6.78    30.0            1.55  0.173    1.25
## # ℹ 1 more variable: tfr_max <dbl>

Resultados de la Prueba de Asociación

El análisis descriptivo de las variables en los 36 países revela grandes diferencias en la variación:

  • \(\text{NO}_2\) Media (Contaminación): La media es de \(18.73\ \mu \text{g}/\text{m}^3\). Existe una amplia variación en los niveles de contaminación (rango de \(6.77\) a \(29.98\ \mu \text{g}/\text{m}^3\)), lo que significa que los países de la muestra tienen niveles de \(\text{NO}_2\) muy distintos.

  • TFR Media (Fertilidad): La media es de \(1.55\) nacimientos por mujer. La variación es mucho más baja (rango de \(1.24\) a \(1.96\)), confirmando que los patrones de baja natalidad son la norma homogénea en Europa.

En resumen: La contaminación por \(\text{NO}_2\) varía mucho más que la TFR. El análisis de correlación determinará si esta gran variación en \(\text{NO}_2\) tiene algún poder para explicar la pequeña variación en la fertilidad.

###Prueba de Significancia de la Correlación Para determinar si la correlación débil (\(\rho \approx 0.045\)) observada en el gráfico es estadísticamente significativa o simplemente un producto del azar en esta muestra, se utiliza una prueba de significancia de la correlación de Pearson (cor.test).

# Realizar la prueba de significancia de la correlación de Pearson
prueba_correlacion <- cor.test(pais_no2_fert$no2_media, pais_no2_fert$tfr_media, method = "pearson")

print(prueba_correlacion)
## 
##  Pearson's product-moment correlation
## 
## data:  pais_no2_fert$no2_media and pais_no2_fert$tfr_media
## t = 0.423, df = 34, p-value = 0.675
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  -0.2624194  0.3915818
## sample estimates:
##       cor 
## 0.0723543

###Conclusión del Objetico 2: \(\text{NO}_2\) vs Fertilidad El análisis de correlación formal entre los niveles de \(\text{NO}_2\) medio y la Tasa de Fecundidad Total (TFR) en 36 países europeos revela una ausencia de asociación. El coeficiente de Pearson (\(\rho\)) de \(0.0724\) indica una relación lineal prácticamente nula, que es contraria a la hipótesis inicial de una relación negativa. Además, esta correlación resulta ser estadísticamente no significativa, con un Valor P de \(0.675\) (muy superior al umbral de \(0.05\)).

En consecuencia, se rechaza la hipótesis de que la contaminación atmosférica urbana (medida por el \(\text{NO}_2\)) es un factor determinante de la fertilidad a nivel agregado. El \(\text{NO}_2\) no actúa como un predictor sistemático de la TFR; en su lugar, las variaciones en la natalidad están impulsadas por factores macroeconómicos, culturales y de políticas públicas que no están correlacionados con los niveles medios de este contaminante.

4.3 Descubrir si la relación entre el dióxido de carbono y la fertilidad es directamente proporcional

4.3.1 Datos y construcción de variables

En este tercer objetivo analizamos el papel de un contaminante global: el dióxido de carbono (CO₂).

A diferencia del NO₂, que refleja principalmente la contaminación urbana y la exposición directa de la población, el CO₂ es un gas de efecto invernadero cuya variación entre países está más ligada a su tamaño económico, estructura energética y nivel de industrialización.

Partimos de un fichero en formato JSON (CO2.json) que contiene las emisiones anuales de CO₂ (en kilotoneladas) por país y por año. A partir de este conjunto:

Se limpia y normaliza la información para construir una tabla co2_limpio con las columnas:

  • pais (nombre del país armonizado),
  • anio (año),
  • co2_kt (emisiones totales de CO₂ en kilotoneladas).

Posteriormente, se agregan los datos por país para obtener el resumen co2_resumen_pais, que incluye:

  • co2_kt_media: emisiones medias anuales de CO₂,
  • co2_kt_total: emisiones acumuladas,
  • junto con el número de años disponibles (n_anios_co2, anio_min_co2, anio_max_co2).

Finalmente, se realiza un full_join con fert_resumen_nombres, de modo que co2_fert_resumen_pais contiene, para cada país, las emisiones medias de CO₂ y la TFR media en el mismo periodo de referencia.

Este dataset combinado es la base para los gráficos y análisis de este objetivo.

# Leemos el JSON como Dataframe, no se por qué pero daba errores sino
dioxidocarbono_df <- jsonlite::fromJSON(
  "INPUT/DATA/CO2.json",
  simplifyDataFrame = TRUE  # lo aplana a data.frame directamente
) %>%
  as_tibble() %>%
  clean_names()

#TABLA co2_limpio (país-año)
co2_limpio <- dioxidocarbono_df %>%
  transmute(
    pais = recode_pais(country_name),
    anio = as.integer(year),
    co2_kt = as.numeric(co2_emissions_kt)
  ) %>%
  group_by(pais, anio) %>%
  summarise(
    co2_kt = sum(co2_kt, na.rm = TRUE),
    .groups = "drop"
  )
#PANEL CO2 + FERTILIDAD (país–año)
co2_fert_panel <- co2_limpio %>%
  inner_join(fert_paises, by = c("pais", "anio"))

# RESUMEN POR PAÍS
co2_resumen_pais <- co2_limpio %>%
  group_by(pais) %>%
  summarise(
    n_anios_co2  = n_distinct(anio),
    anio_min_co2 = min(anio, na.rm = TRUE),
    anio_max_co2 = max(anio, na.rm = TRUE),
    co2_kt_media = mean(co2_kt, na.rm = TRUE),
    co2_kt_total = sum(co2_kt, na.rm = TRUE),
    .groups = "drop"
  )

co2_fert_resumen_pais <- co2_resumen_pais %>%
  full_join(fert_resumen_nombres, by = "pais") %>%
  arrange(pais)

4.3.2 Estrategia empírica

El análisis se estructura en dos pasos complementarios y uno final:

Gráfico de ranking tipo “lollipop” (Gráfico 3.1)

  • Ordena a los países por sus emisiones medias de CO₂ (co2_kt_media).
  • La longitud de la barra horizontal indica el nivel de emisiones.
  • El color y el tamaño del punto representan la TFR media (tfr_media): valores más altos se muestran con puntos más grandes y colores más intensos.

Este gráfico permite visualizar si los grandes emisores tienden a concentrarse en niveles de fertilidad sistemáticamente distintos del resto.

co2_lolli <- co2_fert_resumen_pais %>%
  filter(!is.na(co2_kt_media),
         !is.na(tfr_media))

ggplot(
  co2_lolli,
  aes(
    x = co2_kt_media,
    y = fct_reorder(pais, co2_kt_media)
  )
) +
  # palito
  geom_segment(
    aes(
      x    = 0,
      xend = co2_kt_media,
      y    = fct_reorder(pais, co2_kt_media),
      yend = fct_reorder(pais, co2_kt_media)
    ),
    linewidth = 0.6,
    alpha     = 0.6
  ) +
  # punto, coloreado por TFR
  geom_point(
    aes(
      color = tfr_media,
      size  = tfr_media
    ),
    alpha = 0.9
  ) +
  scale_size_continuous(name = "TFR media") +
  scale_color_viridis_c(name = "TFR media", option = "C") +
  labs(
    title    = "Ranking de emisiones medias de CO2 y fertilidad en Europa",
    subtitle = "Línea = emisiones medias de CO2 (kt) | Color/tamaño = TFR media",
    x        = "CO2 medio (kt, total país)",
    y        = NULL
  ) +
  theme_minimal() 

Gráfico animado CO₂–TFR por año (Gráfico 3.2)

Cada fotograma muestra un diagrama de dispersión entre co2_kt y tfr para un año concreto.

Se ajusta una recta de regresión lineal por año, con su banda de confianza.

En la esquina de la animación se añaden el número de países incluidos y los coeficientes estimados (pendiente y R²).

Esta animación permite ver si la relación CO₂–TFR cambia con el tiempo y si, en algún periodo concreto, aparece una tendencia clara (positiva o negativa).

co2_fert_anim <- co2_fert_panel %>%
  filter(!is.na(co2_kt),
         !is.na(tfr))

reg_stats <- co2_fert_anim %>%
  group_by(anio) %>%
  summarise(
    n    = n(),
    beta = coef(lm(tfr ~ co2_kt))[2],
    r2   = summary(lm(tfr ~ co2_kt))$r.squared,
    .groups = "drop"
  )

library(gganimate)

p_anim <- ggplot(
  co2_fert_anim,
  aes(
    x = co2_kt,
    y = tfr
  )
) +
  # puntos por país
  geom_point(
    aes(color = pais),
    alpha = 0.7,
    size  = 2,
    show.legend = FALSE
  ) +
  # nombres de algunos países
  ggrepel::geom_text_repel(
    data = ~ dplyr::filter(
      .x,
      co2_kt == max(co2_kt) | tfr == max(tfr)
    ),
    aes(label = pais),
    size         = 3,
    max.overlaps = 30,
    show.legend  = FALSE
  ) +
  # recta de regresión por año
  geom_smooth(
    method  = "lm",
    se      = TRUE,
    linetype = "dashed",
    color   = "deeppink"
  ) +
  # texto con stats por año (beta, R², n)
  geom_text(
    data = reg_stats,
    aes(
      x     = -Inf,
      y     = Inf,
      label = sprintf("Beta = %.3f   R2 = %.2f   n = %d", beta, r2, n)
    ),
    hjust        = -0.05,
    vjust        = 1.2,
    size         = 3.2,
    inherit.aes  = FALSE
  ) +
  scale_x_continuous(labels = scales::comma) +
  labs(
    title    = "Relación entre emisiones de CO₂ y fertilidad en Europa",
    subtitle = "Año: {frame_time}",
    x        = "CO2 total del país (kt)",
    y        = "Tasa global de fecundidad (TFR)"
  ) +
  theme_minimal(base_size = 12) +
  theme(
    panel.grid.minor = element_blank(),
    plot.title       = element_text(face = "bold")
  ) +
  transition_time(anio) +
  ease_aes("linear")

# Ver la animación en el viewer
anim <- animate(
  p_anim,
  nframes  = 150,
  fps      = 10,
  renderer = gifski_renderer()
)

anim

4.3.3 Resultados

4.3.3.1 Resultados del ranking de CO₂ (Gráfico 3.1)

El gráfico de “lollipop” muestra que:

  • Los países con mayores emisiones medias de CO₂ (por ejemplo, economías más grandes o con un mix energético intensivo en combustibles fósiles) no presentan niveles de fertilidad claramente diferenciados del resto.

  • Entre los países de la parte alta del ranking observamos TFR medias en un rango relativamente estrecho (en torno a 1.3–1.7 hijos por mujer), similares a las del resto de Europa.

  • Algunos países con emisiones muy bajas (como Malta o Albania) tampoco destacan por una fertilidad especialmente alta; al contrario, se sitúan en la parte baja o media del rango de TFR.

En conjunto, el ranking sugiere que no existe un patrón monotónico evidente del tipo “a más CO₂, menos (o más) fertilidad”. La posición en el ranking de emisiones parece estar explicada sobre todo por factores estructurales (tamaño económico, industria, energía), mientras que la fertilidad se mueve en un margen relativamente estrecho sin alinearse claramente con esas diferencias.

4.3.3.2 Resultados del gráfico animado CO₂–TFR (Gráfico 3.2)

La animación año a año refuerza esta impresión:

  • En cada fotograma, los puntos (países) se distribuyen de forma bastante difusa sobre el plano CO₂–TFR, sin que se forme una nube claramente ascendente o descendente.

  • Las rectas de regresión que se ajustan por año suelen tener pendientes pequeñas y, visualmente, la banda de confianza es amplia y abarca valores cercanos a una pendiente nula.

  • Los coeficientes de determinación (R²) que se muestran en la animación son bajos en la mayoría de años, lo que indica que las emisiones de CO₂ explican sólo una fracción muy limitada de la variación en fertilidad entre países.

Tampoco se aprecia un cambio cualitativo de la relación a lo largo del tiempo: no hay un periodo donde la asociación se vuelva claramente más fuerte o cambie de signo de forma clara.

En términos prácticos, la lectura estadística es que, en los datos agregados país–año, las emisiones totales de CO₂ no guardan una relación robusta con la TFR:

  • Países muy emisores pueden tener fertilidad baja, media o relativamente alta.
  • Países con bajas emisiones pueden situarse también en cualquier punto dentro del rango de TFR observado.

4.3.3.3 Interpretación

Estos resultados son coherentes con la naturaleza del indicador:

  • El CO₂ es un contaminante global, cuyo volumen anual refleja principalmente tamaño económico, estructura productiva e intensidad energética, más que la exposición individual de la población a contaminantes locales.

  • Los mecanismos biológicos que podrían afectar a la fertilidad suelen estar más vinculados a exposiciones locales (NO₂, PM₂.₅, ozono, etc.) que a las emisiones totales de CO₂ a escala nacional.

  • Además, la fertilidad está fuertemente condicionada por factores demográficos y socioeconómicos (edad a la maternidad, mercado laboral, políticas de conciliación, normas culturales), que pueden enmascarar cualquier efecto asociado a un indicador tan agregado como las emisiones de CO₂.

Por tanto, el tercer objetivo confirma la idea general de los anteriores:
cuando miramos a nivel país, con indicadores agregados, la relación entre contaminación (o emisiones) y fertilidad en Europa parece ser, como mínimo, muy débil y fuertemente confundida por otras dimensiones estructurales.

4.4 Caracterizar la importancia del \(\text{PM}_{2.5}\) dentro de la vigilancia del aire y su relación con la fertilidad

En este último objetivo profundizamos en un contaminante concreto, el material particulado fino (\(\text{PM}_{2.5}\)), que se ha asociado con efectos adversos sobre la salud reproductiva, el embarazo y la mortalidad perinatal. A diferencia de los objetivos anteriores, centrados en la intensidad global de la vigilancia o en contaminantes específicos como el NO₂ o el CO₂, aquí nos interesa qué el peso específico de las partículas de \(\text{PM}_{2.5}\) dentro la monitorización de la calidad del aire en cada país. Este indicador mide el tamaño de las partículas en el aire, tomando en cuenta aquellas de 2,5 micrómetros o menos; cuanto más pequeñas son estas partículas, más profundo llegan a los pulmones. Es claro que personas con patologías respiratorias sufrirán más la presencia de un \(\text{PM}_{2.5}\) alto, aunque a largo plazo toda la población se acaba viendo afectada por ellas. Por ello, el \(\text{PM}_{2.5}\) está regulado por la Agencia Europea de Medio ambiente (EEA) y por la OMS, que recomiendan niveles bajo de exposición por su impacto demostrado en la salud.

La lógica es la siguiente: Un país que dedica una mayor proporción de sus observaciones al \(\text{PM}_{2.5}\) estaría, en principio, más orientado a monitorizar riesgos finos para la salud, lo que podría estar asociado indirectamente con entornos más saludables y una planificación familiar más favorable.

Pregunta: ¿Existe una relación entre el peso relativo del \(\text{PM}_{2.5}\) en la vigilancia del aire y la fertilidad media (TFR) de los países europeos?

Hipótesis: Si el \(\text{PM}_{2.5}\) es un marcador relevante de riesgos ambientales percibidos o efectivos, cabría esperar que los países que dedican una mayor porción de sus observaciones a este contaminante presenten entornos más saludables o más vigilados, lo que podría asociarse con una fertilidad algo más elevada. De forma descriptiva, planteamos la hipótesis de que una mayor proporción de observaciones de \(\text{PM}_{2.5}\) se asocia con una TFR media más alta, aunque sin asumir causalidad.

4.4.1 Datos y construcción de variables

En este objetivo analizamos el lugar que ocupa el contaminante \(\text{PM}_{2.5}\) dentro de la monitorización de calidad del aire en Europa.

Partimos del fichero de registros de calidad del aire (aire), que contiene observaciones por país, año y tipo de contaminante. A partir de este conjunto:

  • Se armonizan los nombres de país (pais), al igual que en los objetivos anteriores.
  • Se convierten los años a formato numérico (anio).
  • Se crea la variable lógica es_pm25, que toma valor TRUE cuando el contaminante corresponde a \(\text{PM}_{2.5}\) (incluyendo variantes como "PM2.5", "PM25", "PM2p5").

Con esta base construimos el resumen por país pm25_share_pais, que contiene:

  • n_obs_total: número total de observaciones,
  • n_obs_pm25: observaciones \(\text{PM}_{2.5}\),
  • prop_pm25: proporción de observaciones dedicadas a \(\text{PM}_{2.5}\),
  • n_anios: número de años con observaciones.

Después unimos este resumen con fert_resumen_nombres para obtener pm25_share_tfr, que contiene tanto la proporción de \(\text{PM}_{2.5}\) como la fertilidad media (tfr_media) por país. Finalmente, unimos este resumen con fert_resumen_nombres para obtener pm25_share_tfr. Se aplica un filtrado final para asegurar que solo se incluyan los países que poseen datos válidos tanto de la proporción de \(\text{PM}_{2.5}\) como de la Tasa de Fecundidad Total (TFR), garantizando la integridad de la muestra para el análisis.

# Metadatos de estaciones EEA (dataframe interno)

stations_eea <- EEAaq_get_dataframe("stations") %>%
  clean_names() %>%
  mutate(
    pais_raw = str_trim(country),
    pais = recode_pais(country)
  )

# Renombramos columna problemática
stations_meta <- stations_eea %>%
  rename(air_quality_station_eoi_code = air_quality_station_eo_i_code) %>%
  select(
    air_quality_station_eoi_code,
    pais,
    air_quality_station_area,
    air_quality_station_type
  )

# Cálculo de proporción de PM2.5 por país
pm25_share_pais <- aire %>%
  mutate(
    pais = recode_pais(country),
    anio = as.integer(year),
    es_pm25 = air_pollutant %in% c("PM2.5", "PM25", "PM2p5")
  ) %>%
  group_by(pais) %>%
  summarise(
    n_obs_total = n(),
    n_obs_pm25  = sum(es_pm25, na.rm = TRUE),
    prop_pm25   = n_obs_pm25 / n_obs_total,
    n_anios     = n_distinct(anio),
    .groups     = "drop"
  ) %>%
  arrange(desc(prop_pm25))


# Unión PM2.5 + TFR
pm25_share_tfr <- pm25_share_pais %>%
  left_join(fert_resumen_nombres, by = "pais") %>%
  filter(!is.na(tfr_media), !is.na(prop_pm25))

4.4.2 Análisis Descriptivo I: Gráfico de Barras Ordenadas por Proporción de \(\text{PM}_{2.5}\)

Para examinar de manera descriptiva la posible asociación entre la prioridad técnica que un país otorga al \(\text{PM}_{2.5}\) y su fertilidad, se ha optado por un Gráfico de Barras Ordenadas.

  1. Evaluación de Prioridad: La altura de la barra (Eje Y) representa el porcentaje de todas las observaciones de vigilancia de calidad del aire que un país dedica al \(\text{PM}_{2.5}\). Los países se ordenan progresivamente en el Eje X de menor a mayor prioridad.

  2. Relación con la TFR: El color de la barra codifica la Tasa de Fecundidad Total (TFR) media.

Al ordenar la variable independiente (\(\text{Prop}_{\text{PM}_{2.5}}\)) en el eje, el gráfico permite identificar si existe un patrón visual donde el color se intensifica (o se aclara) a medida que las barras se hacen más altas. Si la hipótesis fuera correcta, observaríamos un claro gradiente de color que va de claro a oscuro (mayor TFR) a lo largo del eje X. Este análisis descriptivo sirve como paso previo indispensable antes de confirmar la relación mediante la regresión robusta.

# Ordenamos países por prop_pm25 y preparamos factor
pm25_circ <- pm25_share_tfr %>%
  arrange(prop_pm25) %>% # Ordenamos ascendentemente para el eje X
  mutate(
    pais      = factor(pais, levels = pais),
    label_pm  = scales::percent(prop_pm25, accuracy = 1)
  )

ggplot(
  pm25_circ,
  aes(
    x    = pais,
    y    = prop_pm25,
    fill = tfr_media
  )
) +
  # Barras (geom_col), coloreadas por la TFR media
  geom_col(aes(fill = tfr_media), stat = "identity") +
  
  # Escala de color para representar la fertilidad (misma escala que Obj 1)
  scale_fill_gradient(
    low = "peachpuff", 
    high = "red", 
    space = "Lab", 
    name = "TFR media"
  ) +
  
  # Etiquetas y formato del eje Y
  scale_y_continuous(
    labels = scales::percent_format(accuracy = 1),
    expand = expansion(mult = c(0, .1))
  ) +
  
  labs(
    title = expression("Asociación entre Prioridad de Vigilancia PM"[2.5]~"y Fertilidad"),
    subtitle = expression("Países ordenados por Proporción de Observaciones PM"[2.5]~"(Eje Y) | Color = TFR media"), 
    x = NULL, 
    y = expression("Proporción de Observaciones PM"[2.5]~"sobre el Total"),
    fill = "TFR media"
  ) +
  
  theme_classic() +
  theme(
    axis.text.x = element_text(angle = 60, vjust = 1, hjust = 1, size = 8),
    plot.title = element_text(face = "bold", hjust = 0.5),
    plot.subtitle = element_text(hjust = 0.5)
  )

Resultado del gráfico de barras

El análisis del Gráfico de Barras Ordenadas revela dos mensajes clave sobre la prioridad de monitorización del \(\text{PM}_{2.5}\) en el contexto de la fertilidad europea:

  • Baja Prioridad Media: En la mayoría de los países europeos, el esfuerzo de vigilancia dedicado al \(\text{PM}_{2.5}\) es minoritario, observando una mayor proporción por debajo del 10% del total. Esta heterogeneidad va desde valores marginales (alrededor del 2% en Luxemburgo) hasta la prioridad más alta (cercana al 18% en Noruega).

  • Ausencia de Patrón Monotónico: Crucialmente, al examinar el color (TFR media) a lo largo del eje X (prioridad de \(\text{PM}_{2.5}\)), no se observa una tendencia visual coherente que apoye la hipótesis inicial. Los tonos más oscuros (TFR alta) no se concentran de forma sistemática en el extremo derecho (mayor proporción de \(\text{PM}_{2.5}\)). Países como Irlanda o Noruega, que tienen una alta prioridad al \(\text{PM}_{2.5}\), muestran TFR medias (tonos intermedios), mientras que países con TFRs relativamente altas aparecen dispersos a lo largo de todo el rango de prioridad de vigilancia.

En conjunto, la evidencia descriptiva no sugiere la existencia de una asociación positiva entre el peso del \(\text{PM}_{2.5}\) en la vigilancia de la calidad del aire y la TFR media. Si existiera un efecto, se vería un cambio gradual y ordenado en el color. Como no lo vemos, el gráfico nos dice de forma preliminar que nuestra hipótesis no se sostiene.

4.4.3 Análisis Descriptivo II: Gráfico de Dispersión

El gráfico de dispersión permite evaluar si existe algún patrón funcional entre la \(\text{Prop}_{\text{PM}_{2.5}}\) y la TFR, además de identificar posibles países atípicos (outliers).

Variable Predictora (\(X\)): Proporción de Observaciones \(\text{PM}_{2.5}\) (prop_pm25).

Variable Dependiente (\(Y\)): Tasa de Fecundidad Total Media (tfr_media).

ggplot(pm25_share_tfr, aes(x = prop_pm25, y = tfr_media)) +

  geom_point(aes(color = tfr_media), size = 3) +

  # Añadimos una línea de tendencia (regresión lineal) para guiar la vista

  geom_smooth(method = "lm", se = FALSE, color = "darkgrey", linetype = "dashed") +

  scale_x_continuous(labels = scales::percent_format(accuracy = 1)) +

  labs(

    title = "Relación entre la Proporción de Vigilancia PM"[2.5]~" y la Fertilidad Media",

    subtitle = "Cada punto es un país, la línea discontinua es la tendencia media (OLS)",

    x = "Proporción de Observaciones dedicadas a PM"[2.5]~" (Prop_PM"[2.5]~")",

    y = "Tasa de Fecundidad Total Media (TFR)",

    color = "TFR media"

  ) +

  theme_minimal() +

  theme(plot.title = element_text(face = "bold", hjust = 0.5))

Resultado del gráfico de dispersión

Nuestra hipótesis era que, si el \(\text{PM}_{2.5}\) es un riesgo importante y bien vigilado, los países con más prioridad de \(\text{PM}_{2.5}\) (puntos a la derecha) tendrían una TFR más alta (puntos más arriba y de color más claro/azul claro).Es decir, deberíamos ver una línea de tendencia claramente inclinada hacia arriba.

Sin embargo, lo que observamos es: - Los puntos están esparcidos por todo el gráfico, como si no tuvieran una dirección clara. Hay países con baja prioridad (\(\text{PM}_{2.5}\)) que tienen TFR alta, y países con alta prioridad (\(\text{PM}_{2.5}\)) que tienen TFR media.

  • La línea discontinua (que muestra la tendencia promedio) está casi completamente plana. Es cierto que tiene una ligera inclinación ascendente, pero es insignificante.

  • Los países europeos están casi todos agrupados en el rango de TFR entre 1.4 y 1.7 (tonos azules oscuros e intermedios). La prioridad del \(\text{PM}_{2.5}\) no parece sacarlos de ese rango.

En conclusión, no existe una relación visible entre el esfuerzo que un país dedica a medir el \(\text{PM}_{2.5}\) y su Tasa de Fecundidad Total (TFR). La línea de tendencia es tan plana que nos dice que, sin importar cuánto se preocupe un país por medir este contaminante (eje X), su fertilidad (eje Y) se mantiene casi igual.

4.4.4 Test Estadístico: Regresión Lineal Robusta

Tras el análisis descriptivo visual (gráfico de barras y de dispersión), que sugirió la ausencia de una asociación coherente entre la prioridad de vigilancia del \(\text{PM}_{2.5}\) (\(\text{Prop}_{\text{PM}_{2.5}}\)) y la fertilidad media (TFR), es necesario aplicar un test estadístico que confirme o rechace formalmente la hipótesis nula (\(\text{H}_0\): no hay relación).

Para ello, utilizamos el modelo de Regresión Lineal Robusta (OLS con Errores Estándar Huber-White). Este método es el más adecuado para datos de corte transversal por país, ya que permite estimar el coeficiente de asociación (\(\beta_1\)) y su significancia (\(p\)-valor), al tiempo que neutraliza el riesgo de heterocedasticidad (varianza no constante de los errores) que es frecuente en este tipo de datos agregados.

El modelo nos permitirá determinar si el impacto de la \(\text{Prop}_{\text{PM}_{2.5}}\) sobre la TFR es estadísticamente diferente de cero. Si el \(p\)-valor es alto (\(p > 0.05\)), concluiremos que la asociación es tan débil que no es fiable.

# Filtro final del dataframe
datos_regresion_pm25 <- pm25_share_tfr %>%
    filter(is.finite(tfr_media), is.finite(prop_pm25))

# Modelo OLS: TFR media ~ Proporción de PM₂.₅
modelo_pm25 <- lm(tfr_media ~ prop_pm25, data = datos_regresion_pm25)

# Aplicar Errores Estándar Robustos (Huber-White, tipo HC1)
resultados_pm25_robustez <- coeftest(
    modelo_pm25,
    vcov = vcovHC(modelo_pm25, type = "HC1")
)

# Tabulación de resultados con formato de texto 
tabla_regresion_pm25 <- tidy(resultados_pm25_robustez) %>%
  rename(
    T_Estadístico_Robusto = statistic,
    Valor_P_Robusto = p.value
  ) %>%
  mutate(
    Estimación = round(estimate, 4),
    Error_Estandar_Robusto = round(std.error, 4),
    T_Estadístico_Robusto = round(T_Estadístico_Robusto, 3), 
    Valor_P_Robusto = round(Valor_P_Robusto, 6), 
    Significancia = case_when(
      Valor_P_Robusto < 0.001 ~ "Altamente significativo",
      Valor_P_Robusto < 0.01 ~ "Muy significativo",
      Valor_P_Robusto < 0.05 ~ "Significativo",
      TRUE ~ "No significativo"
    )
  ) %>%
  select(term, Estimación, Error_Estandar_Robusto, T_Estadístico_Robusto, Valor_P_Robusto, Significancia)

# Generación de la tabla
knitr::kable(
  tabla_regresion_pm25,
  caption = "Resultados de Regresión: TFR Media ~ Proporción de Vigilancia PM₂.₅ con Errores Estándar Robustos (HC1)",
  align = c('l', 'r', 'r', 'r', 'r', 'l')
)
Resultados de Regresión: TFR Media ~ Proporción de Vigilancia PM₂.₅ con Errores Estándar Robustos (HC1)
term Estimación Error_Estandar_Robusto T_Estadístico_Robusto Valor_P_Robusto Significancia
(Intercept) 1.4573 0.0612 23.817 0.0000 Altamente significativo
prop_pm25 1.4253 0.8398 1.697 0.0983 No significativo

4.4.5 Conclusión del Objetivo 4: \(\text{PM}_{2.5}\) en la vigilancia vs fertilidad

El análisis descriptivo, tanto en el gráfico de barras como en el de dispersión , demostró visualmente que la Tasa de Fecundidad (TFR) no sigue un patrón claro a medida que aumenta la prioridad de vigilancia del contaminante \(\text{PM}_{2.5}\) en un país. La línea de tendencia en el gráfico de dispersión se mostró prácticamente plana, sugiriendo que la relación era débil o inexistente. Al llevar a cabo el Test Estadístico de Regresión Lineal Robusta, esta observación se confirmó formalmente. A pesar de que la estimación mostró una ligera inclinación positiva (apoyando superficialmente la hipótesis inicial), el Valor P fue de \(\text{0.0983}\), el cual es superior al umbral de confianza del \(\text{5\%}\) (\(p > 0.05\)).

En términos sencillos, el resultado nos indica que, aunque la relación que medimos apunta en la dirección de nuestra hipótesis, es estadísticamente insignificante; no es lo suficientemente fuerte para descartar que sea pura casualidad. Por lo tanto, la hipótesis de que una mayor prioridad en la monitorización de \(\text{PM}_{2.5}\) se asocia a una mayor fertilidad queda rechazada. Esto concluye que la variabilidad en la TFR entre países europeos está impulsada por factores socioeconómicos y demográficos de mayor peso, y no por las decisiones técnicas relativas a la estrategia de vigilancia de la calidad del aire.

5 Conclusiones

Los análisis realizados indican que, a escala de país, la relación entre vigilancia de la calidad del aire, niveles de contaminación y fertilidad (TFR) en Europa es, en el mejor de los casos, débil y poco sistemática. El volumen total de observaciones de calidad del aire no muestra una asociación clara con la TFR media: los países que vigilan más no presentan, en promedio, una fertilidad ni claramente más alta ni más baja que los que vigilan menos. Los tests de correlación refuerzan esta idea, con coeficientes muy pequeños y no significativos.

Algo similar ocurre cuando se pasa de la vigilancia a la contaminación efectiva. Ni los niveles medios de NO₂ ni las emisiones de CO₂ —interpretadas como un indicador agregado de tamaño económico e intensidad energética— permiten ordenar a los países europeos según su nivel de fertilidad. Los diagramas de dispersión y las rectas de regresión muestran nubes muy dispersas, pendientes próximas a cero y R² bajos, lo que indica que estas variables ambientales explican solo una fracción mínima de la variación en TFR entre países.

El análisis del peso relativo del PM₂.₅ en la vigilancia tampoco revela patrones robustos: algunos países otorgan a este contaminante una proporción relativamente alta de sus observaciones, mientras que otros apenas lo monitorizan, pero en ambos grupos aparecen TFR bajas, medias y algo más altas. En definitiva, dedicar una mayor parte del esfuerzo de vigilancia al PM₂.₅ no se traduce en niveles de fertilidad claramente diferenciados.

En conjunto, los resultados apuntan a que la variación en la fertilidad europea está dominada por factores demográficos, socioeconómicos e institucionales (estructura de edades, mercado laboral, políticas de conciliación, normas culturales, gasto social, etc.) que este marco descriptivo no modeliza de forma directa. Las variables ambientales consideradas —vigilancia, NO₂, CO₂, peso del PM₂.₅— parecen jugar, a este nivel de agregación, un papel secundario frente a esos determinantes estructurales.

Estas conclusiones deben interpretarse con cautela: se trata de un estudio ecológico y descriptivo, basado en datos agregados por país, sin control exhaustivo por posibles factores de confusión y con indicadores ambientales relativamente gruesos (medias nacionales, totales anuales). La evidencia disponible no niega que la calidad del aire afecte a la salud reproductiva, pero sí sugiere que sus efectos sobre la fecundidad observada a nivel de país son difíciles de detectar con este tipo de datos. En este sentido, el trabajo funciona como un punto de partida exploratorio que señala la necesidad de estudios con mayor resolución espacial, datos individuales y diseños longitudinales o cuasi experimentales para comprender con más precisión los vínculos entre contaminación atmosférica y fertilidad.

6 Referencias

Eurostat. (s. f.). Fertility statistics (TFR by country and year). Oficina de Estadística de la Unión Europea.

Air Quality e-Reporting (AQ e-Reporting). (2022, August 5). https://www.eea.europa.eu/en/datahub/datahubitem-view/3b390c9c-f321-490a-b25a-ae93b2ed80c1

Emisiones globales de CO2. (2025, August 18). https://data.unesco.org/explore/dataset/co2001/information/?flg=es-es

World Health Organization. (2022). Ambient Air Pollution Database (AAP 2022). WHO, Department of Environment, Climate Change and Health.

Carré, J., Gatimel, N., Moreau, J., Parinaud, J., & Léandri, R. (2017). Does air pollution play a role in infertility? A systematic review. Environmental Health, 16(1), 82.

Landrigan, P. J., Fuller, R., Acosta, N. J. R., et al. (2018). The Lancet Commission on pollution and health. The Lancet, 391(10119), 462–512.

WHO. (2021). WHO global air quality guidelines: Particulate matter (PM₂.₅ and PM₁₀), ozone, nitrogen dioxide, sulfur dioxide and carbon monoxide. World Health Organization.

Eurostat. (14 de 10 de 2025). Obtenido de https://ec.europa.eu/eurostat/databrowser/view/demo_gind/default/table?lang=en&category=demo.demo_ind